np.random.shuffle(rand_arr)

`np.random.shuffle(rand_arr)`是一个numpy库中的函数，可以随机打乱给定数组的顺序。具体来说，`np.random.shuffle()`接收一个数组对象，并随机打乱该数组中元素的顺序，返回值为 None。该函数可以用于训练数据的随机排序、随机采样等需求中。下面是一个具体的例子：

<<引用:import numpy as np rand_arr = np.array([1, 2, 3, 4, 5]) np.random.shuffle(rand_arr) print(rand_arr)[^1]>>

该代码先导入numpy库，然后构造了一个包含1-5的数组`rand_arr`。接着，`np.random.shuffle()`函数被调用，打乱了该数组的元素排列。最后，用print()函数打印出了随机打乱之后的数组`rand_arr`。执行该代码，输出结果如下：

[2 4 1 5 3]

该结果表明原数组`rand_arr`已被随机打乱，随机的结果每次都不尽相同。

相关问题

np.random 的使用方法

`np.random` 是 NumPy 库中的一个模块，用于生成随机数和执行随机抽样操作。以下是一些常用的 `np.random` 方法及其使用方法：

1. **生成随机数**：
- `np.random.rand(d0, d1, ..., dn)`：生成一个形状为 `(d0, d1, ..., dn)` 的数组，数组中的元素是 `[0, 1)` 区间内的随机浮点数。
- `np.random.randn(d0, d1, ..., dn)`：生成一个形状为 `(d0, d1, ..., dn)` 的数组，数组中的元素是标准正态分布（均值为0，标准差为1）的随机浮点数。
- `np.random.randint(low, high, size)`：生成一个形状为 `size` 的数组，数组中的元素是 `[low, high)` 区间内的随机整数。

2. **随机抽样**：
- `np.random.choice(a, size=None, replace=True, p=None)`：从一维数组 `a` 中随机抽样，`size` 是抽样结果的形状，`replace` 表示是否有放回，`p` 是每个元素被抽中的概率。
- `np.random.permutation(x)`：返回数组 `x` 的一个随机排列。

3. **设置随机种子**：
- `np.random.seed(seed)`：设置随机数生成的种子，使得每次生成的随机数序列相同。

4. **随机打乱**：
- `np.random.shuffle(x)`：随机打乱数组 `x` 的元素顺序。

以下是一些示例代码：

import numpy as np

# 设置随机种子
np.random.seed(42)

# 生成随机浮点数
print(np.random.rand(2, 3))  # 生成一个2x3的数组，元素在[0, 1)区间内

# 生成标准正态分布的随机浮点数
print(np.random.randn(2, 3))  # 生成一个2x3的数组，元素服从标准正态分布

# 生成随机整数
print(np.random.randint(0, 10, (2, 3)))  # 生成一个2x3的数组，元素在[0, 10)区间内的随机整数

# 随机抽样
print(np.random.choice(['a', 'b', 'c'], size=5, replace=True))  # 从列表中随机抽样

# 随机打乱
arr = np.arange(10)
np.random.shuffle(arr)
print(arr)  # 随机打乱后的数组